Escolar Documentos
Profissional Documentos
Cultura Documentos
PASSEIO ALEATÓRIO
PASSEIO Aleatório EM 1 DIMENSAO
Imagine que
você
esteja parado em uma determinada
posição
e
que
seu
próximo passo seja determinado pelo sorteio de uma
lançamento dizer
algum
haver nú isso
por vamos
e
no , ,
que
Se
P (E) =p e P (D) =
q
.
E
foi sorteado , você anda
para
a
,
para .
É.is
Depois de N sorteios o deslocamento será
✗= ml ,
com me IN .
Definindo
n
,
: número de
passos à direita
à
na i número de
passos esquerda
Temos que
N = 4 + hz 4)
e
M =
h, -
hz
Como na N hi
podemos reescrever
-
=
,
m =
24 - N .
q
=
1 -
p ( Andar p / esquerda )
Desta forma depois ,
de N
passos ,
a
configuração do sorteio
pode
vista de E 's D's
ser como um
seqüência e
E DF E - -
- DE
N termos
,
no
final dos N
passos
não
importa qual a
sequência específica do sorteio , somente os
valores de n
,
e na .
Desta
deslocamento
forma ,
existem
( %) maneiras de
encontrar o mesmo ✗ = ml .
logo ,
como cada
pq g-
- -
q =p q
" "
(Eventos independentes )
A probabilidade PN ( ni ) de ter dado h
, passos para a direita e
na
passos para a
esquerda é
(A)
" " N! " "
Pwln )
≥
,
-
p q , p q .
4! 4 !
( Distribuição Binomial )
É
importante notar
que
Plmf
N
=
PN (m ) .
Das
equação 9) e (e) temos que
h ,
=
§ ( Ntn ) na e =
121N - m ) ,
ou
seja , podemos reescrever
N! mlk
kg
"" CN
Palm)
-
=
P .
④ +
mh ] ! [ (N my] -
!
No caso
particular em
que p -
q
=
% então
N!
Pnlm) !
=
Emmy [ ! IN -
my] ! (1)
Retomando a
expressão
N! " "
Pwln )
'
,
- p q
u
,
! 4 !
temos PNA ) sobre todos valores de
que ,
se somarmos os
possíveis
4 ,
então
N
É Pnln ) [ NI-pn.pt?-z!N!-phplN-H--(p+q)--
N
'
1 .
/ 4) ! !
, =
! ! ^' ha n
n
,
N -
" EO não ,
É Pwlni ) -1
-
.
NITO
Exemplo N lo
q =p -14
100 PN ^
Importante
:
,
-
-
reparar
Pulo / 1 Palio) ↳
simetria !
-
= =
a
20
Pna )
.nl?;-.f,.--Pi.K)--tg-.
-
15 -
-1¥ -1--1%18 ¥
%" ) -
-
io -
,
5 -
1%13)
-3,1¥ ¥ 1%7 )
-1¥ = -
,
.
FÃ ,
Rola ) 1%16)
1
2¥ É mais
-
permaneça
" a
2 no
416 !
F. G) = 1 =
252 mesmo lugar (4--4--5) .
51512
"
E
passeio aleatório pode utilizado
O
problema do ser
ponto de
como
a
posição
atual da
partícula é uma variável estocástica (
com
algum
grau
de aleatoriedade ) e
, portanto sujeita à
regras probabilística .
Assim N síino
,
se
imaginarmos que a
posição da
partícula no -
passo ( PN ( ) )m
foi alcançada , partindo de um de seus
vizinhos
imediatos , podemos escrever
PN →
( ml ) =
ppw (( m -
a) e) +
q PN ( ( mm ) e ) .
temporal
probabilidade
Podemos , estudar evolução
por exemplo ,
a da
No caso em
que p q
- -
§ temos
Para Iml ) { Pwllm 1) e) ↓ Pw Hm + 1) e)
-
= + .
Definindo ✗ = ml e d- ✗ =L ,
reescrevemos
PN " ( ) x =
1 PN ( × -
A- × ) +
§ PN ( ✗+ Ax ) .
Assumindo a
dependência temporal
Plxittltt) f- PA 1- ✗ A) +
f P( ✗+ Axit ) At t - -
-
=
Pfxittat) PKK)- =
f- PA -
1- ✗ A) +
EP ( ✗+ Axit ) - Plat)
At At
= PA -
Ant ) + P (✗ + A- ✗ f) - 21%11-1 .
(3)
2 At
Como
PH-plx-in-x-e-fk-H-fH-ffd-fk-4.ve-1h
.
(e) ≈
à h h
d-✗
Vale A- ✗→ d- A✗ → õ
então >
pais e .
.it#kat)-Al--P(x-Ax,t
¥;
(Kt) ≈
-1%4 -
Ant) -
) -
Plat) - ( Plat) - Pcxtaxt ) )
2 2
A- ✗ A- ✗
=
PANAMÁ PCX + -
Axt ) - 27kt ) . (4)
1×2
Assim equação (3) reescrita
pode
a ser como
Pliçttat) PKK)
±÷[ ]
-
= Plat ) - Pcxtaxit) -
PA Axt -
At Aí
logo tomando
, os
limites 1-✗ → o e A- 1- → o
,
encantamos
¥-6,4 fofo.cat)-
A equação
7-EDIE
é conhecida
equação difusão
de
como .
difusão .
Imagine que
existam N caixas com
partículas sujeitas à
do aleatório Cada tem
12 caixa um
ilustram
invés do número de
partículas As .
divisórias das caixas somente
limites
capazes
seus
bloquear fluxo partículas
e nao são de o de .
l,
A fs la ls 16 ft A fq
f÷ÜÍ!ÍÊ
Vamos imaginar
que
cada uma das
partículas possa se mover
ou
esquerda .
l,
lz fs la ls lo la lo fq
-÷¥:¥i¥÷¥÷¥¥¥÷¥
÷:|
~
50% 50%
que
há um
fluxo entre as casas
vizinhas com 50% de chance de ir
para
direita ou
para esquerda .
fu o
-
ln luto
. ÷:-. : : :
-
ftp.T?Ty-fp--F?jg
por
casa n
Alu =
Fln" ten ten E eu
- -
+ -
a =
1
¥
A- A- 1ª ✗
G- f) Aife FÉ A×¥¥ˢ
✗ =
¥ =D
¥ ,
VALORES MÉDIOS
M valores discretos
regra probabilística
assume tais ui
que
e
, que ,
aiocorre
probabilidade
com
Plug ) ( o ≤
Pig ≤ 1-
hj ) Vamos considerar ,
.
tal
uma distribuição normalizada
M que
E Pluj ) = 1 .
j
O valor médio ou valor
esperado da variável u é
definido como
a- = ( u) = Ê ujpluj) .
M
)
j
Se flu) foi uma
função de u
,
então o valor médio de
flu ) é
j -1
Propriedades :( Mostrar)
(
ci )
fiu )+ glu ) ) )
glu ≥
=
( fã ) ) + (
Iii ) (
afa) ) <
foi > =
a
,
de atraía
com
f- High) função estocástica da variável
,
a e a é
uma constante
a- = ( u) =
EI ,
ujpcuj) .
TÊ Plnj) ←
( Normalista )
DESVIO DA MÉDIA
A-n = a -
< no
Note
que
<and =
< a- < → =
É ( ação) Pluj )
j→
-
= < a> -
<a> = O
(Au) :-( a -
< a> )
N.to que
( (Anp) ( (
- a- )> =
É ,
ai Plujl -
ka >
TÊ,
ni Plait
TÊTE > Pluj )
= < oi > -
24ns? < as :-< vi> -
DISPERSAÕ ( VARIÂNCIA)
<(An) >
DESVIO PADRE
✓CAÍ
N Eéiihr
-
MOMENTO com RESPEITO AO VALOR MÉDIO
(( ) >
"
( Cn ) >
"
Au = -
Cns
RETORNANDO Ao PASSEIO ALEATÓRIO
Ê→MµN
É NIPN (Ni) "
"
< a) = =
p } ,
N
,
-
_
N N,-
, q
-
.
t
p
-
Não ,
N
E.mn?!qt4-!-pIp(E..a!!qtY )
<" ≤
"
"
fdp g)
N
PN (pi g)
'
=P PN
-
+ =
= .
Assim
< Na> =
{N - N, > = (N ) -
( Nr ) =
N -
PN
NO p ) N
q
-
= =
.
CN ) ,
= PN
( Nr ) =
7N .
É IÊ II.
Assim
) !! Hot
Hp (jf ,
"
NA P "
< a> =
%fE.mn?!-i.P4M)=P&.f%fE:n!-.iY- |}
N
"
→
}
"
/% } {
"
=
{ }
' ' N -2
Np ¢+9 ) p IN ) (p g)
-
=
+ t
-
+
p N
+
?
N ( N -1)
p
=
.
( Ni) IN t)
>
=
p N +
p N
-
Conhecendo < Nid < 4) calcular
e
podemos a
dispersão
e o
padrão A dispersão será
desvio .
N-W-pki-pY-fp-pYN.lt
=p
PN -
p
) =
pq
N .
AN :-(oni ) =
KANJI (pq) VÔ
"
.
Com isso
podemos definir
" K
7) VÔ
¥#
TN , = =
< ND pN
CASO ↑ CASO 2
PIN ) ^ PIN) ^
É
i
"
↓ . . . >
N, N
N ,
⇐%) >
(%:)
CASO A CASO 2
ÚMITE GAUSSÍANO DA
DISTRIBUICAO BINOMIAL
É PN (a) É TÁ ?
" "
Quando olhamos PCN ) 9-
para remos
= =
,
N -
O
limite
, _
no N → os
que N
Paulo ) =
q → o e PN (N) = PN → o
^ Eixo DE SIMETRIA
.
i
• → TEM QUE Existir OM Máximo
Pois A AÃEA É DIFERENTE
.
• A • >
N,
COMPORTAMENTO TÍPICO PARA N GRANDE
PIN ) ^
•
Nero 1
Não > Não ,
of -
%)
PIN ) ^
☒!; Ncasoz
NASH > Nosso ,
"
[
" " " " " "" """ " ◦ " "
DE COLUNAS É Muito GRANDE E VALE
IPIN mão )
-
- P /Nmax ) / ⇐ W (Nm)
µ ,
. , .. µ,
DN ,
. .
•m
:
b. PNCN )
[µ%_µ ,p ]
" ""
fala) = , =
hr
q
,
= lm N ! - KM ! -
LIN -
Ni )! + N, lnp + IN - N, )
hrq
Expansão assintótica de
Stirling
AN ! =
NAN -
N + O Chin ) .
Assim
) Nln N N , hein , M IN Ni ) LIN Ni ) (N /+
fdm N
-
-
+ -
-
-
+
- N,
.
↳ lnln 4) hp
↑
Hank ¥ hm
YEH
=
- -
+ 1- -
+
-
+ 1- + +
, ,
-
enq + O (% % ) ,
. -
m
A- NINI hm LIN ) hp
YEH
1-
¥
=
- -
+ 1- -
+
-
Ni + + +
mi , ,
-
bnq + O ( % % a),
e -
Assim
Ià ) → hà lnln Ã) hg
¥y hip
- +
-
+ -
-
. o
,
ʰ
ʰ
/ TET ) +
%
41:* :/ →
CET ; -
IN -
Ã)
, p
=
Ãq Np = NY ptq) Ã Np,
= = LN , >
Tomando derivada
a
segunda
¥; " .pl#m)---I.-I-m+0(IiH-mi)
Para N → o
( Ni) N M N, N
çfn
-
'
- -
-
= =
, MIN -
N,
) MIN -
Ni )
Torando N
,
=
Ã
27N IÃ)
ivpq
N
j%-NPÍ
-
-
-
=
À Napa p) -
( )
como Ana ia
-
1- < o ,
maximo !
=
'
proximo ao máximo ,
vamos fazer expansão
uma em serie de
Taylor em torno de à =
Npq .
Êf
"
)fÜÃã ) if Ai ) (N ÃH
"
fini -
.
i- o
aí .
flori -
-21
-
.
.
'
PNINI ) 01ns )
=L
j-pg.IN F)
-
-
+
oh PNIN ) lnpw ( ni ) (N F)
'
,
-
1- -
+ OCN )
= .
Znpq
Tomando N ≈ Ã → (N Ã )
-
41
, podemos descartar
temos
superior Écinpntanle lembrar que
os
de ordem
.
para
.
tnmar NEN
,
.
Assim
NT )
LNPNIND = A
* pfv
-
-
PNCN ) ,
=
poexpt-I-pq.CN -
à )] .
constante
Neste caso
po
é uma de
normalização tal que
to
|-
O
pqp [-1%-1%-2] dln Ã)
-
-1
-
ftp.e#nidx--1
-
os
,
✗ = N - Ã .
1-
=) e ãidx .
Usamos o
seguinte truque :
I?
[ Ê da F-¥ dy
/ [[ -4¥"
-
e
=
e
dxdy
o b
o b
-
- -
-
I
:-[[O
É% rdrdy
O
o
=
zu-je-krdr.at/.%Eda
°
f.
A
|
" "
=
at e- du =
- até = alt =
- #N ,) # .
I? HÃ JN ,
'
(
ZT som ) 1- =
Assim
p fãs , =L
P JEON
. N .
=
"
[ Ê! ]
-
BIN) =
[a-
( )]
som up
-
DISTRIBUICAO GAUSSIANA
notar
É
importante que
< Nda =
i.%Ea.Y-s-j-a.jo#-du--*.i
a-
¥4 !
" -
"
,
→
Nidn ,
= FMI da + < Ni DN ,
!
Eva af )
À ÷"
ü÷ /
-
<" + < du
.
- os
¥-7
<"
Ü ]
{N ) ,
a
= < N '>
Norma
< a- aii
ÊÃ enviar [ -0%1%-7
-
os
-
"
Ii:
1-
oieiionidu
}
=
TROQUE !
ta
Sabemos
|
"2
que
e- mídia =
.
então
:[ [ a.) :[¥1 ]
" "
e- =
F. É
"
idx
11¥)
-
"
=
. .
Assim
"
< (N ,
-
<
novo -
E- µ
,
[ ¥4047 /
=¥→.fi#rnif .
< ( Nr -
<
MÃE Foi =
< CN ,
_
< nipo -
NORMTL
limites DE VAIDADE PARA A Distribuição GAUSSIANA
Os termos de ordem de la Pw ( M )
superior na
aproximação
analisados
devem ser com cuidado
, pois são
eles
que impõem os
links Analisando
para Ps (Ni)
de validade .
:*
Entre )À Ei , % ¥ É-É .io?!Y---n;:-p
:
-
- -
-
.
. .
1¥ / .
=
Y.jo#'N2p2q2
Comparando o 2º e o 3º temo ter -
/ 1¥.IN FI / -
1µm ÃÍ
-
: :* " HE .fi?!-1N- ÃÍ
|
-
O limite de validade é vale
aquele em
que
HEIN -4141¥.in ÃH -
ÃÍ
1-pq / N ÃÍ ≥
.
-
adf.iq?!-IN- IN Nilo ,
-
snpq
1 q -
pl
Pew ) ≈
[a-
fui ] !
N → o
Íp [ 9^772 ]
-
Pew )
[ ( )]
?
≈ a- ou , - o
ZNpqlq.pt